📊 研究显示 Hacker News 65% 的帖子带有负面情绪且互动表现更佳
一项针对 Hacker News (HN) 关注度动态的实证研究显示，该平台上约 65% 的帖子呈现负面情绪。通过对 32,000 个帖子和 340,000 条评论的分析，研究发现带有负面情绪的帖子平均得分为 35.6 分，而平台整体平均得分为 28 分，负面内容在互动表现上高出 27%。为了验证这一现象，研究者测试了六种不同的模型，包括三种基于 Transformer 的分类器（DistilBERT、BERT Multi、RoBERTa）和三种大语言模型（Llama 3.1 8B、Mistral 3.1 24B、Gemma 3 12B），所有模型均显示出一致的负面偏斜趋势。
在该研究的分类标准中，“负面”情绪主要指代对技术的批评、对新发布的怀疑、对行业惯例的抱怨以及对 API 的不满。作者指出，HN 上的负面内容大多属于实质性的技术批评，而非人身攻击。该研究涵盖了衰减曲线、优先连接、生存概率及早期参与预测等多个维度，相关预印本已在 SSRN 发布。作者计划在近期公开完整代码、数据集以及 HN 归档仪表板。
(HackerNews)
via 茶馆 - Telegram Channel
一项针对 Hacker News (HN) 关注度动态的实证研究显示，该平台上约 65% 的帖子呈现负面情绪。通过对 32,000 个帖子和 340,000 条评论的分析，研究发现带有负面情绪的帖子平均得分为 35.6 分，而平台整体平均得分为 28 分，负面内容在互动表现上高出 27%。为了验证这一现象，研究者测试了六种不同的模型，包括三种基于 Transformer 的分类器（DistilBERT、BERT Multi、RoBERTa）和三种大语言模型（Llama 3.1 8B、Mistral 3.1 24B、Gemma 3 12B），所有模型均显示出一致的负面偏斜趋势。
在该研究的分类标准中，“负面”情绪主要指代对技术的批评、对新发布的怀疑、对行业惯例的抱怨以及对 API 的不满。作者指出，HN 上的负面内容大多属于实质性的技术批评，而非人身攻击。该研究涵盖了衰减曲线、优先连接、生存概率及早期参与预测等多个维度，相关预印本已在 SSRN 发布。作者计划在近期公开完整代码、数据集以及 HN 归档仪表板。
(HackerNews)
via 茶馆 - Telegram Channel
